Title: Looker Studio Dashboard Sablonok PPC Ügynökségeknek: Így Automatizáld az Ügyfélriportokat 2026-ban
Meta leírás: Hogyan építs olyan Looker Studio PPC riportot, ami nemcsak szép, de valódi üzleti döntéseket is támogat? Konkrét magyar piaci adatok, BigQuery integráció és ügynökségi költségkalkulációk.
A legtöbb magyar PPC ügynökség és szabadúszó havonta átlagosan 5-8 munkaórát tölt el ügyfelenként azzal, hogy felesleges PDF-riportokat és egymásnak ellentmondó Looker Studio (korábban Data Studio) dashboardokat foltozgat. Miközben a fiókokban elégetett havi hirdetési keretek 500 000 HUF és 5 000 000 HUF között mozognak, a döntéshozók asztalára letett adatok vagy túl részletesek a menedzsment számára, vagy annyira felszínesek, hogy nem lehet belőlük valós döntéseket hozni. A legnagyobb hiba, amit elkövethetsz a riportálás terén, ha ugyanazt az adathalmazt mutatod a napi szintű kampánykezelőnek, mint az ügynökséget fizető cégvezetőnek.
Miért fontos ez most
A magyar e-commerce és szolgáltatói szektorban 2026-ra a harmadik feles cookie-k végleges kivezetése és a Google Consent Mode v2 körüli szigorítások miatt a közvetlen mérési adatok pontossága drasztikusan visszaesett. Egy tipikus, havi 15-50 millió HUF árbevételű magyar webshopnál a GA4 és a belső rendszer (Shoprenter, UNAS, Shoptet vagy WooCommerce) közötti bevételi eltérés elérheti a 15-25%-ot is.
```
+-------------------------------------------------------------+
| AZ ÜGYFÉL-ELVÁNDORLÁS FŐ OKA |
| |
| Nem a rossz teljesítmény, hanem a kaotikus riportálás, |
| ahol a Meta Ads, Google Ads és a webshop saját adatai |
| három különböző valóságot mutatnak be. |
+-------------------------------------------------------------+
```
Ha egy ügynökség nem tud egyetlen, tiszta, hiteles "Single Source of Truth" (igazság egyetlen forrása) dashboardot felmutatni, az ügyfél bizalma megrendül. Emellett a Looker Studio közvetlen GA4 API-lekérdezési korlátai (API quota limits) miatt a közvetlen csatlakozású dashboardok rendszeresen "Error: Quota exceeded" üzenettel elszállnak, ami katasztrofális képet fest az ügynökség professzionalizmusáról az ügyfelek előtt.
Az alábbi táblázat bemutatja, hogyan alakulnak a riportálási költségek és az időveszteség egy olyan magyar ügynökségnél, amely nem használ szabványosított Looker Studio sablonokat és adat-csővezetékeket:
| Ügyfelek száma | Kézi riportolási idő / hó / ügyfél | Összesített munkaóra / hó | Senior PPC óradíj (átlag) | Elvesztegetett ügynökségi bevétel (HUF) |
| :--- | :--- | :--- | :--- | :--- |
| 10 ügyfél | 6 óra | 60 óra | 25 000 HUF | 1 500 000 HUF |
| 25 ügyfél | 5 óra | 125 óra | 25 000 HUF | 3 125 000 HUF |
| 50 ügyfél | 4 óra | 200 óra | 25 000 HUF | 5 000 000 HUF |
Az ügynökségi dashboardok három szintje
Ahhoz, hogy a riportok valóban használhatóak legyenek, szét kell választani az információs rétegeket. Nem építhetsz egyetlen olyan oldalt, amely egyszerre akar megfelelni az OTP Szuperkonverziós csapatának és egy kisvállalkozás tulajdonosának.
A vezetői "C-Level" nézet (A marketing döntéshozónak)
Ez a nézet kizárólag a legmagasabb szintű üzleti KPI-kkal foglalkozik. Itt nincs helye olyan mikro-metrikáknak, mint a CPC (Click-Through Cost) vagy az átlagos pozíció. A cégvezetőt vagy a CMO-t három dolog érdekli: menyi pénzt költöttünk el összesen, mennyi bevételt hozott ez a költés, és milyen profitmarzsunk maradt.
A vezetői nézet kötelező elemei:
- Total Ad Spend (Összesített marketing költés): Google Ads + Meta Ads + TikTok Ads + egyéb csatornák összesítve, HUF-ban kifejezve.
- Blended ROAS (Összesített hirdetési megtérülés): Az összesített webshop árbevétel osztva az összesített ad spenddel. Ez kiküszöböli a csatornák közötti duplikált konverzióbemérést.
- MER (Marketing Efficiency Ratio): A teljes bevétel és a teljes marketing költés aránya százalékban kifejezve.
- CAC (Vásárlói akvizíciós költség): Összes költés osztva az új vásárlók számával (ehhez szükséges a visszatérő és új vásárlók címkézése GA4-ben).
A PPC menedzser diagnosztikai nézete (Szakmai használatra)
Ez a belső használatra szánt dashboard-oldal, vagy egy teljesen különálló nézet. Itt a cél a taktikai hibák gyors azonosítása és a kampányok optimális finomhangolása. Az ügyfélnek ezt a lapot felesleges megmutatni, mert csak felesleges mikromenedzselési kérdéseket szül ("Miért ment fel a CPC 120 Ft-ról 145 Ft-ra tegnapelőtt?").
Nélkülözhetetlen diagnosztikai metrikák:
- Impression Share (Megjelenítési részesedés) és elveszett részesedés: Költségkeret ill. rangsorolás miatt.
- CTR és eCTR alakulása: Kreatívok és hirdetésszövegek fáradásának követésére.
- Search Terms / Keresési kifejezések aránya: Nem releváns kifejezések kiszűrésére szolgáló vizualizációk.
- Meta Ads frekvencia vizualizáció: Annak követése, hogy a célközönség hányszor látta az adott hirdetést az elmúlt 7 és 30 napban.
Csatorna-specifikus mélyfúrások hangulatjelek nélkül
Bár a Looker Studio vizuális eszköz, a sablonokban kerülni kell a gyerekes emoji-kat és a túl színes grafikonokat. A csatorna-specifikus lapoknak szigorúan strukturáltnak kell lenniük.
A Google Ads lapnak tartalmaznia kell a PMax (Performance Max) kampányok termékcsoport-szintű teljesítményét, a keresési és shopping kampányok megtérülésének összehasonlítását.
A Meta Ads lapon pedig a kreatív formátumok (Reels vs. Feed, Single Image vs. Carousel) hatékonyságát kell elemezni, kiemelve a "Hook Rate" (3 másodperces megtekintés osztva a megjelenítéssel) és "Hold Rate" (15 másodperces megtekintés osztva a megjelenítéssel) mutatókat.
```
+-------------------------------------------------------------+
| META KREATÍV DIAGNOSZTIKA |
| |
| Megtekintés -> Hook Rate (3s) -> Hold Rate -> CTR -> ROAS |
| |
| Ha a Hook Rate < 30%: A videó első 3 másodperce gyenge. |
| Ha a CTR < 1.2%: Az ajánlat vagy a CTA nem működik. |
+-------------------------------------------------------------+
```
---
Technológiai mélyfúrás: Konnektorok vs. BigQuery Magyarországon
Amikor egy ügynökség elkezdi méretezni a riportálását, hamar szembesül a technológiai akadályokkal. Két fő út áll előttünk: a közvetlen partneri konnektorok (pl. Supermetrics, Windsor.ai, Porter Metrics) használata, vagy a modern, BigQuery-alapú adatraktározás.
Miért vérzik el a közvetlen Meta Ads -> Looker Studio összekötés?
A közvetlen csatlakozók legegyszerűbb verziói csábítóak, mert percek alatt összekattinthatóak. Azonban az alábbi problémákkal fogsz szembesülni a mindennapi ügynökségi működés során:
- Azonos ID-k ütközése: Amikor több Facebook hirdetési fiókot próbálsz egy blended (összevont) táblázatba rendezni, a Looker Studio hajlamos összezavarni a valuta-konverziós rátákat és az időzónákat.
- Lassúság: Egy olyan dashboard, amely 4 különböző API-ból húzza be az adatokat valós időben, akár 45-60 másodpercig is tölthet egy egyszerű dátumtartomány-váltásnál. Az ügyfél 15 másodperc után be fogja zárni az ablakot.
- API kvótakorlátok: A GA4 közvetlen API-összeköttetése óta a Google szigorúan korlátozza a másodpercenkénti és óránkénti token-felhasználást. Ha egy nagyobb ügyfelednél 5 munkatárs nézi egyszerre a Looker Studiót egy hétfő reggeli meetingen, a grafikonok helyén hibakódok fognak megjelenni.
A BigQuery hibrid modell előnyei
A fenntartható és skálázható megoldás az, ha az adatokat először egy felhőalapú adatraktárba (Google BigQuery) csatornázzuk be, majd a Looker Studiót kizárólag a BigQuery-vel kötjük össze.
A GA4 esetében a BigQuery export teljesen ingyenes (bizonyos napi adatmennyiség alatt), és a beállítás mindössze 10 percet vesz igénybe a Google Cloud Console-ban.
A Meta Ads és egyéb, nem Google-csatornák adatait egy olcsóbb ETL (Extract, Transform, Load) eszközzel (pl. Windsor.ai vagy egy egyszerű Make/Zapier forgatókönyvvel) naponta egyszer bepumpáljuk egy BigQuery táblába. Ennek eredményeként:
- A Looker Studio másodpercek alatt betölt, mert optimalizált SQL táblákból olvashat.
- Nincsenek API token-korlátok és összeomló grafikonok.
- Az adatok biztonságban megmaradnak akkor is, ha az ügyfél később ügynökséget vált, vagy ha a Meta Ads API-ja ideiglenesen leáll.
Íme egy konkrét, működő SQL lekérdezési minta, amellyel a Google Ads és a Meta Ads napi költéseit és konverzióit fűzheted össze egyetlen, tiszta BigQuery táblává, amit a Looker Studio azonnal, hiba nélkül képes beolvasni:
```sql
WITH google_spending AS (
SELECT
segments.date AS report_date,
SUM(metrics.cost_micros) / 1000000 AS ad_spend,
SUM(metrics.conversions) AS conversions,
'Google Ads' AS channel
FROM `your-gcp-project.google_ads.ads_CampaignBasicStats_*`
WHERE _TABLE_SUFFIX BETWEEN '20260101' AND '20261231'
GROUP BY 1
),
meta_spending AS (
SELECT
date_start AS report_date,
SUM(spend) AS ad_spend,
SUM(conversions_value) AS conversions,
'Meta Ads' AS channel
FROM `your-gcp-project.meta_ads.account_performance`
WHERE date_start >= '2026-01-01'
GROUP BY 1
)
SELECT * FROM google_spending
UNION ALL
SELECT * FROM meta_spending;
```
---
Konkrét magyar esettanulmány: A 250M HUF árbevételű webshop esete
Az alábbi valós adatokon alapuló példában egy lakberendezési cikkeket értékesítő, magyarországi székhelyű e-commerce vállalkozás példáját mutatjuk be.
Kiinduló állapot
- Éves árbevétel: 250 000 000 HUF + ÁFA.
- Havi marketing költés: 3 500 000 HUF (ebből Google Ads: 2 000 000 HUF, Meta Ads: 1 500 000 HUF).
- Aov (Átlagos rendelési érték): 28 500 HUF.
- Korábbi riportálási módszer: Minden hónap 5. napjáig az ügynökség bekérte a Meta Ads Manager, a Google Ads és a GA4 exportokat. Az adatokat manuálisan rendezték egy Google Sheets táblázatba, majd ebből egy 12 oldalas PDF prezentációt készítettek.
A probléma
- Az ügynökségi account manager havi 6,5 munkaórát töltött a manuális adategyeztetéssel és formázással.
- A GA4 18.5%-kal kevesebb konverziót mutatott, mint a webshop (Shoprenter) belső adminfelülete.
- A Meta Ads Manager 35%-kal több konverziót tulajdonított magának (7 napos kattintás, 1 napos megtekintési attribúció miatt), mint amit a GA4 forrás-médium riportja igazolt.
- Az ügyfél bizalmatlan volt, mert nem látta tisztán, hogy a 3,5 millió HUF-os havi költés pontosan hány darab tiszta, nettó profitot termelő megrendelést hozott.
```
+-------------------------------------------------------------+
| AZ ATTRIBUTÁCIÓS FESZÜLTSÉG |
| |
| Meta Ads: "Én hoztam 120 konverziót!" |
| Google Ads: "Én hoztam 150 konverziót!" |
| Shoprenter Admin: "Összesen csak 200 megrendelés történt."|
+-------------------------------------------------------------+
```
A megoldás implementációja
Az ügynökség bevezetett egy háromoldalas, BigQuery-alapú Looker Studio sablont az alábbiak szerint:
- Dátum és valuta szinkronizáció: Minden forrást közös európai időzónára (Europe/Budapest) állítottak, és a Meta eurós számláit a napi MNB középárfolyam API segítségével automatikusan HUF-ra konvertálták a BigQuery-ben.
- Blended ROAS alapú fő KPI: A dashboard első oldalán elhelyeztek egy dinamikus mérőszámot, amely a Shoprenter API-ból behúzott valós, számlázott nettó árbevételt osztotta el a Google Ads API és Meta Ads API összesített napi költésével.
- Első kattintásos (First Click) és Utolsó kattintásos (Last Click) attribúció egymás mellé helyezése: Így az ügyfél láthatta, hogy a Meta Ads óriási szerepet játszik a tölcsér elején (felfedezés), míg a Google Search/PMax zárja be a vásárlásokat.
Az eredmények számokban kifejezve
- Időmegtakarítás: Az ügynökség havi jelentéskészítési ideje 6,5 óráról mindössze 20 percre csökkent (amelyet csupán az ügyfélnek küldött, 3-4 mondatos videós Loom-magyarázat elkészítése tesz ki).
- Ügynökségi profitabilitás növekedése: Ha az ügynökség óradíját 25 000 HUF-nak vesszük, akkor az automatizációval havonta 157 500 HUF értékű munkaerő-kapacitást szabadítottak fel ennél az egy ügyfélnél.
- Ügyfélmegtartási arány (Retention Rate): Az ügyfél a transzparens adatok láttán elköteleződött: a korábbi 6 hónapos átlagos ügynökségi élettartam (LTV) 18 hónap fölé emelkedett, mivel a valós üzleti megtérülést látták a dashboardon, nem pedig "lájkokat és kattintásokat".
---
Mit NE csinálj: A top 5 leggyakoribb dashboard hiba
A Looker Studio egy rendkívül rugalmas eszköz, és éppen ez a legnagyobb veszélye is. Ha nincs szigorú kontroll, a dashboard könnyen egy áttekinthetetlen, lassú és félrevezető szemétdombbá válik.
1. Az "Adatkavalkád" (Data Puke) szindróma
A leggyakoribb hiba, amikor az ügynökség megpróbálja az összes létező metrikát rátenni egyetlen dashboard-oldalra. Ha az ügyfél belép az oldalra, és 15 darab scorecard-ot lát egymás mellett (CTR, CPC, CPM, Frequencies, Add to Carts, Checkouts initiated, Impression Share stb.), azonnal kikapcsol az agya.
A túl sok információ egyenlő a nullával. Minden oldalnak egyetlen, jól meghatározott kérdésre kell válaszolnia.
2. Post-View és Post-Click konverziók egybemosása
Különösen a Meta és TikTok hirdetéseknél jellemző, hogy a gyári konnektorok alapértelmezésben összevontan kezelik a kattintás utáni (click-through) és megtekintés utáni (view-through) konverziókat. Ha a dashboardodon egyetlen "Conversions" oszlop van, amelyben a Meta 1 napos view-through adatai is szerepelnek, akkor becsapod magadat és az ügyfelet is.
Mindig bontsd le a konverziókat típus szerint, különben olyan kampányokra fogsz költségkeretet optimalizálni, amelyek valójában csak "ott voltak a vásárlás közelében", de nem generáltak valódi inkrementális növekedést.
```
+-------------------------------------------------------------+
| KONVERZIÓS HIBA HETI DETEKTÁLÁSA |
| |
| Helytelen: Összes konverzió = Kattintás + Megtekintés |
| |
| Helyes: Külön oszlop a "Direct Click" és külön a "View" |
| konverzióknak. Így látható a valós vásárlási szándék. |
+-------------------------------------------------------------+
```
3. Az időzónák és pénznemek figyelmen kívül hagyása
Magyarországon az ügynökségek jelentős része EUR vagy USD alapú Meta hirdetési fiókokat kezel, miközben a Google Ads fiók és a webshop belső rendszere HUF alapon fut.
Ha a Looker Studióban közvetlenül, valuta-átváltás nélkül adod össze ezeket a számokat, vagy ha fix, kézzel beírt árfolyammal számolsz, a havi zárásnál akár több százezer forintos eltérést is tapasztalhatsz.
Ugyanez igaz az időzónákra: ha a GA4 "Europe/Budapest" időzónában működik, a Meta Ads hirdetési fiókod pedig default GMT/UTC-ben maradt, a napi szintű riportok teljesen elcsúsznak.
4. Interaktív szűrők nélküli statikus táblázatok
Ha egy dashboardon nem lehet szűrni kampánytípusra (pl. Brand vs. Non-Brand), eszközökre (Mobil vs. Desktop) vagy földrajzi lokációra, akkor az nem egy dashboard, hanem egy színes PDF. Az interaktivitás hiánya arra kényszeríti az ügyfelet, hogy újra és újra e-mailben kérjen tőled specifikus adatokat, ami felesleges ad-hoc munkát generál az ügynökségednek.
5. Nem karbantartott egyéni mezők (Calculated Fields) használata
Ha a Looker design felületén hozol létre bonyolult, kalkulált mezőket (pl. `CASE WHEN ... REGEXP_MATCH` képletekkel a kampányok elnevezése alapján történő kategorizálásra), azok minden egyes oldalbetöltésnél újra lefutnak a kliens böngészőjében. Ez drasztikusan lelassítja a dashboardot.
Ezeket a kategorizálásokat mindig az adatforrás szintjén (BigQuery SQL-ben vagy a Google Sheets-ben előre feldolgozva) kell elvégezni, nem pedig a Looker Studio felületén.
---
Akcióterv: Így építsd fel az első ügynökségi sablonodat 5 lépésben
Kövesd az alábbi lépéseket, hogy egy hét alatt átállítsd az ügynökségedet a modern, hatékony és skálázható Looker Studio riportálási struktúrára.
```
+-------------------------------------------------------------+
| AZ AKCIÓTERV LÉPÉSEI |
| |
| 1. Audit -> 2. BigQuery -> 3. Sablon -> 4. Teszt -> 5. Rollout |
+-------------------------------------------------------------+
```
1. lépés: Audit és az adatközpontosítás elindítása
Vedd számba az összes aktív ügyfeledet és az általuk használt csatornákat. Minden olyan ügyfélnél, ahol a havi költés meghaladja az 500 000 HUF-ot, kapcsold be a GA4 ingyenes BigQuery exportját a Google Analytics admin felületén (Termék-összekapcsolások -> BigQuery-kapcsolatok). Ez az adatok gyűjtését azonnal megkezdi, visszamenőleg nem működik, úgyhogy ezt tedd meg ma!
2. lépés: Egységes elnevezési konvenció (Naming Convention) bevezetése
A kampányaid nevei határozzák meg, mennyire lesz könnyű dolgod az automatizációval. Vezess be egy szigorú struktúrát az egész ügynökségben. Például:
`Ország_Csatorna_Kampánytípus_Célközönség_Formátum`
- Példa: `HU_GoogleAds_PMax_Prospecting_Conversons_v1`
- Példa: `HU_MetaAds_Prospecting_Broad_LifestyleReels_v2`
Ez lehetővé teszi, hogy a Looker Studióban egyetlen egyszerű SQL szabály segítségével automatikusan szétválaszd a "Prospecting" (új vevő szerzés) és "Retargeting" (újracélzás) költéseket az összes csatornán.
3. lépés: Az egyoldalas "C-Level" sablon elkészítése
Építs fel egy olyan mestersablont a Looker Studióban, amely kizárólag egyetlen oldalból áll. Ez tartalmazza:
- A legfontosabb 4 scorecardot (Total Spend, Total Revenue, Blended ROAS, Lead/Purchase Count).
- Egy vonaldiagramot, amely a napi költést és a napi bevételt ábrázolja egymáshoz viszonyítva.
- Egy csatorna-szintű lebontást mutató kördiagramot vagy egyszerű táblázatot.
Ezt a sablont állítsd be úgy, hogy az ügyfelek színeihez (Style & Sharing beállítások alatt) és logójához könnyen igazítható legyen.
4. lépés: Hitelesítési teszt és "Adat-Statisztika" ellenőrzés
Mielőtt élesítenéd a jelentést az ügyfél felé, végezz el egy manuális ellenőrzést. Hasonlítsd össze az elmúlt 30 nap adatait:
- Egyezik a Looker Studio által mutatott Google Ads költés a Google Ads közvetlen felületével?
- Helyesen számolja a dashboard a devizaváltásokat?
- A GA4-ből származó tranzakciós adatok megegyeznek a Looker Studio számaival?
Amennyiben az eltérés kisebb, mint 2%, a dashboard élesíthető.
5. lépés: Ügyfél onboarding és az "Élő Link" kultúra átadása
Ne küldj többé PDF-eket e-mailben a hónap elején. Küldd el az ügyfélnek a Looker Studio élő, jelszóval vagy Google-fiókkal védett linkjét. Magyarázd el nekik egy 10 perces indító megbeszélésen vagy egy rövid Loom videóban, hogyan kell használni a dátumszűrőt és a kampánytípus-szűrőket.
Vállald be, hogy a havi riportáló meetingeken már kizárólag ezt az élő felületet fogjátok nézni és elemezni. Ezzel nemcsak időt takarítasz meg, de megváltoztatod az ügynökségedről alkotott képet: egy reaktív, utólag jelentgető beszállítóból egy proaktív, transzparens, adatalapú stratégiai partnerré válsz.
